Le parole di Chris Lattner sul futuro della generazione di codice con IA

Chris Lattner, che ha guidato la startup IAModular prima della sua acquisizione da parte di Qualcomm, ha recentemente avvertito le aziende di semiconduttori di non sopravvalutare le capacità offerte dagli agenti di programmazione basati sull’intelligenza artificiale. In un’intervista rilasciata a EE Times, Lattner ha distinto nettamente tra far funzionare rapidamente un kernel e costruire un’infrastruttura software su cui poter fare affidamento a lungo termine.

Lattner descrive gli agenti di programmazione come strumenti che devono essere usati con criterio. Secondo la sua esperienza, questi strumenti tendono a produrre enormi quantità di codice “carta”, cioè codice di scarsa qualità o rapidamente obsoleto, e per questo ha consigliato di non affidare loro la generazione di tutti i componenti di un prodotto.

Applicazioni realistiche degli agenti IA

La generazione di codice con IA risulta efficace in progetti ben definiti e di portata limitata, come l’ottimizzazione di un singolo kernel. In questi casi il lavoro è facilmente misurabile e verificabile. Lattner afferma che, al contrario, le iniziative più ampie richiedono design di prodotto ed ingegneria del software, ambiti che non possono essere delegati interamente a un agente.

Per una startup che vuole semplicemente dimostrare la fattibilità di un modello o accelerare il time‑to‑market, gli strumenti IA possono essere utili. Tuttavia, tale approccio non è adeguato per un’impresa che intende vendere chip a clienti che desiderano eseguire modelli proprietari, ai quali il fornitore non ha accesso.

Problemi ancora irrisolti e contraddizioni nel settore hardware

Lattner ha evidenziato diverse questioni irrisolte legate alle affermazioni di performance che alcune grandi aziende fanno sul software di basso livello generato dall’IA. Tra queste:

    • Il costo di generare grandi volumi di codice.
    • La validità di tali metodi su problemi complessi e di larga scala.
    • La mancanza di prove concrete a supporto delle prestazioni dichiarate.

Ha inoltre riferito di aziende hardware che dichiarano di non credere più nel software tradizionale, puntando invece sugli agenti, pur continuando a utilizzare LLVM e a investire in compilatori. Questo crea una discrepanza tra la posizione pubblica e le pratiche operative.

Generazione di codice a basso livello per nuovi hardware

Scrivere codice di basso livello ad alte prestazioni per hardware nuovo è sempre stato un compito arduo per le società di chip. Alcune di esse hanno iniziato a ricorrere agli agenti per questa attività, ma Lattner avverte che tale pratica è spesso usata come argomento commerciale, specialmente da aziende con software notoriamente problematico. “Affermazioni straordinarie richiedono prove altrettanto straordinarie”, ha concluso.

Il ruolo della IA nella dimostrazione e non nella produzione di stack completi

Secondo Lattner, l’IA può facilitare la creazione di una demo, ma non è in grado di produrre una pila software deterministica e adattabile. Le difficoltà più grandi rimangono la comprensione dei requisiti di prodotto, la narrazione di marketing e l’allineamento prodotto‑mercato, elementi chiave per il successo di qualsiasi impresa.

Nel contesto di Modular, i team utilizzano la generazione di codice con agenti per:

    • Portare codice da PyTorch al framework proprietario IAMax.
    • Convertire codice CUDA nel nuovo linguaggio di programmazione Mojo.
    • Ottimizzare kernel specifici, ad esempio un matmul per una dimensione di matrice concreta.

Questi casi d’uso sono considerati solidi perché gli agenti possono eseguire rapidamente e con efficienza compiti ben circoscritti.

L’importanza del know‑how umano

Lattner sottolinea che il conoscere la programmazione rimarrà indispensabile. Dare istruzioni in inglese non è sufficientemente preciso per ottenere risultati di alta qualità. Ammette di usare personalmente l’IA per scrivere codice, ma ricorda che cinque anni fa si leggeva più codice di quanto ne si scrivesse; oggi la situazione si è invertita.

Impatto sull’open source: una minaccia crescente

Lattner ha identificato i progetti open source come particolarmente vulnerabili agli effetti negativi della generazione automatica di codice. Progetti come LLVM, a suo dire, sono sotto assedio. Prima dell’avvento dell’IA generativa, i collaboratori erano motivati dalla soddisfazione di trovare e risolvere bug, contribuendo a software che loro stessi utilizzavano.

Oggi, la dinamica è cambiata: molti inviano grandi quantità di patch generate da IA, sovraccaricando i manutentori. Questo porta a una valanga di lavoro senza un reale coinvolgimento a lungo termine dei nuovi contributori, spesso spinti più dal desiderio di ottenere badge su GitHub che da una volontà di costruire comunità.

Reazioni dei progetti e futuro dell’open source

Alcuni progetti, incluso LLVM, stanno valutando la possibilità di accettare contributi solo da collaboratori consolidati, una prospettiva che Lattner definisce “spaventosa”. Egli ricorda che il valore dei progetti open source risiede nelle persone, nelle relazioni e nella conoscenza interna; minare questi elementi creerebbe problemi enormi.

Il linguaggio Mojo di Modular è stato recentemente rilasciato come open source, ma al momento non accetta contributi. Lattner spiega che l’apertura sarà graduale e che la questione non riguarda solo il numero di linee di codice, ma anche una dimensione sociale: tradizionalmente, lo sforzo di un collaboratore poteva tradursi in opportunità di assunzione o altri vantaggi.

Prospettive a medio termine: strumenti di revisione e alleanze strategiche

Lattner prevede che le condizioni si stabilizzeranno man mano che miglioreranno gli strumenti di revisione del codice basati su IA, i quali potranno alleviare parte del carico sui manutentori. Tuttavia avverte che la revisione del codice è difficile da automatizzare completamente perché richiede giudizio umano.

Per le startup prive di risorse per costruire una pila software all’avanguardia, Modular intende aprire Max tramite una alleanza con i produttori di hardware, prevista per la fine dell’anno. Tale partnership consentirà alle aziende di chip di accedere a software precedentemente non disponibile, rispondendo alle numerose richieste di startup che Modular non poteva più supportare.

Scalabilità e competitività dei data‑center

Lattner afferma che gli agenti di programmazione possono risolvere un kernel specifico su un chip specifico, ma che i moderni data‑center, complessi e eterogenei, richiedono orchestrazione, scaling e gestione a livello software. Modular ha impiegato quattro anni e mezzo per costruire queste capacità; ora altri potranno sfruttarle e scalarle autonomamente.

Integrazione con la strategia Qualcomm e impatto globale

L’alleanza Max si inserisce nel piano di Qualcomm per Modular, con l’obiettivo di creare un ecosistema aperto che permetta ai chip per data‑center di competere basandosi sui propri meriti. Qualcomm riconosce di non poter superare Nvidia in tutti gli ambiti, ma punta a coinvolgere numerosi attori lungo la catena del valore.

Lattner ha concluso sottolineando l’interesse verso mercati emergenti, come la Cina, dove l’apertura di un ecosistema software aperto può favorire l’adozione di soluzioni hardware innovative, promuovendo al contempo una crescita sostenibile dell’intero settore.